同样是搜库，为什么别人能挖出更多修饰？在上篇中，我们系统剖析了Closed Search、Open Search和Offset Search这三种PTM检索策略的核心差异。然而，真正让研究者困惑的往往不是“它们是什么”，而是“我该用哪个”。

今天我们围绕五大典型研究场景：靶向PTM分析、修饰组发现、化学/结构蛋白质组学、组蛋白密码与信号交叉、以及疾病生物标志物发现，逐一拆解每种场景下三种策略的适用性、优缺点，为大家解答：如何根据具体的科研场景来选择合适的搜库策略？

联系丸子，解锁更多小分子靶点筛选、蛋白互作技术干货~

你知道要研究什么修饰，目标是在定量层面获得可靠数据 → Closed Search

你不知道样本中有哪些修饰，想系统描绘修饰全景 → Open Search

你关注多种已知修饰的交叉调控（如组蛋白密码），但不想牺牲统计效力 → Offset Search

Closed Search足以应对

搜索空间膨胀，需谨慎平衡覆盖面和假阳性

修饰类型繁多且多为人造修饰 → Offset Search优势显著

Closed Search结果天然适配LFQ、TMT等定量流程

Open Search结果需要大量后处理，Offset Search则可直接获得注释

选什么策略取决于审稿人和领域惯例

这三个维度的交叉组合将决定最优策略。接下来，我们将逐一深入五大应用场景。

靶向PTM分析是蛋白质组学中最常见的研究模式。你通常已经知道：

❶ 目标蛋白是什么

❷ 关注的修饰类型是什么

❸ 可能关注的位点甚至已经通过定点突变等功能实验得到了初步验证

此时核心需求是：在定量层面获得高置信度的修饰鉴定和位点定位信息。

❶ 最高灵敏度：Closed Search在鉴定预设修饰类型时表现出最高的灵敏度，不同搜索引擎对已知修饰的鉴定结果重叠率可达34%-57%。

❷ 最优FDR控制：搜索空间最小，假阳性控制最严格。

❸ 精确定位：封闭搜索天然支持可变修饰的位点定位，在S/T/Y磷酸化位点判别上表现最佳。

❹ 无缝衔接定量分析：输出结果可直接用于LFQ或TMT定量，无需额外处理。

对预设列表外的修饰完全盲视；若关注修饰超过3-5种，搜索空间剧增，应切换至Offset Search。

对XX疾病模型的组织/细胞进行了蛋白质组学分析，想系统描绘其中的PTM全景。不仅关注已知修饰，更希望发现：

❶ 未知的内源性修饰

❷ 样本制备过程中引入的人为修饰（如氧化、氨基甲酰甲基化）

❸ 在特定生物学背景下新出现的质量偏移信号

在这种场景下，Open Search是必经之路。但Open Search不是终点，而是探索的起点。

第一轮：Open Search扫描全景。使用MSFragger或Open-pFind运行开放搜索，建立“质量偏移全景图”。

第二轮：质量偏移聚类与注释。利用PTM-Shepherd或PTMiner等工具，从开放搜索结果中提取高频质量偏移，借助诊断离子挖掘和Unimod数据库匹配，将其“翻译”为具体的修饰类型。

第三轮：靶向验证与定量。将注释好的修饰列表反馈到Offset Search或Closed Search中，进行精确鉴定和定量分析。

单独的Open Search往往比Closed Search产生更少的发现，因为扩大搜索空间带来的多重假设检验负担会降低统计效力。只有在与Percolator等后处理器结合，或通过CONGA等整合方法进行严格的FDR控制后，Open Search的优势才能真正发挥。

PTMiner是由中国科学院计算技术研究所开发的专用工具，专门用于开放搜索和封闭搜索结果的修饰质量控制与位点定位。其核心功能包括：

❶ 将质量偏移匹配到Unimod数据库中的已知修饰

❷ 利用片段离子信息进行修饰位点定位

❸ 基于delta mass的分布进行假阳性过滤

PTMiner提供了一套从开放搜索原始结果到最终修饰列表的完整协议，是开放搜索下游处理的重要工具。

化学蛋白质组学和结构蛋白质组学的共同特点是：

❶ 样本中引入了大量非天然化学修饰（通常10-100种）

❷ 这些修饰的质量偏移分布范围广

❸ 研究者需要同时鉴定这些修饰，并对位点定位精度要求极高

❹ 许多修饰是不稳定性修饰，在CID/HCD碎裂中易丢失

传统方法的困境：Closed Search预设10+种修饰会导致搜索空间爆炸；Open Search的位点定位精度不足，且下游注释繁琐。

Offset Search是这个场景下的最佳选择，而MSFragger的Detailed Mass Offset（DMO）搜索更是专为此类需求设计。

DMO搜索的核心突破在于：允许为每个质量偏移单独指定氨基酸残基限制和碎片化规则。这种方式显著减少了质量相近的不同修饰之间的定位歧义，其优势随着搜索复杂度的增加而愈发明显。

对于ADP-核糖基化、磷酸化等不稳定性修饰 —— 即在质谱碎裂过程中容易丢失修饰基团的PTM类型，FragPipe提供了专门的Labile Search模式。核心思想是在评分时纳入修饰碎片化的贡献。它支持三种离子类型：

❶ 诊断离子：仅用于过滤哪些谱图需要被搜索

❷ 肽段余离子：加入候选PSM的hyperscore评分

❸ 片段余离子：既加入评分，又用于位点定位

对于不稳定性修饰富集的数据集，Labile Search模式下的mass offset搜索能够显著提高鉴定率。FragPipe内置了labile_phospho和labile_ADP-ribosylation两个预置工作流，可直接加载使用。

组蛋白的“密码”假说认为，多种PTM的组合而非单个修饰，决定了染色质的功能状态。典型情况是：一条组蛋白肽段上同时携带乙酰化（K）、甲基化（K）、磷酸化（S/T）等多种修饰。

研究挑战在于：修饰类型多样，组合数巨大；传统Closed Search即使预设所有可能的修饰，也会因组合爆炸而无法运行；你需要同时鉴定和定量所有这些组合形式。

FragPipe官方提供了一套完整的组蛋白DMO搜索教程，专门针对这一场景优化。核心操作流程：

❶ 准备定制FASTA文件：仅包含组蛋白序列和常见污染物，而非全蛋白质组

❷ 设置可变修饰列表：常见组蛋白修饰（如乙酰化、甲基化）作为variable modifications

❸ 设置详细质量偏移列表：稀有修饰通过DMO指定，并设置氨基酸残基限制

❹ 启用Match Between Runs：减少缺失值，提高定量完整性

该教程基于已发表论文“Breaking Boundaries in Histone Modification MS-based Detection”的数据和策略，可作为操作参考。

❶ 组合偏移：由于mass offset搜索限定每条肽只能有一个质量偏移，需要将多修饰组合的质量值单独添加到偏移列表中。

❷ 定位歧义：当多个可能位点共享同一质量偏移时，DMO通过残基限制显著减少歧义，但对于组合修饰，位点定位可能仍存在不确定性。

❸ 定量分析：组蛋白修饰的定量往往涉及不同修饰形式之间的相对比例变化，FragPipe的combined_modified_peptide.tsv表格可直接用于此类分析。

生物标志物发现类研究的典型流程是：比较疾病组与对照组的蛋白质组学数据，寻找差异表达的蛋白/肽段/修饰。在这一场景中，面临两重需求：

❶ 广度：不想错过任何潜在的有意义的修饰信号；

❷ 精度：发现的信号必须经得起严格的统计检验

同时运行窄窗搜索和开放搜索，而非二选一。通过组分析在严格的FDR控制下整合两者结果，最终实现既能检测意外PTM，又不牺牲对未修饰肽段的检测效力。

如果你无法获取CONGA工具，可以采用类似的多轮策略：开放搜索扫描差异样本之间的质量偏移分布变化；提取疾病特异性质量偏移信号；在更大样本量上使用Offset Search进行靶向验证

经过上述五个场景的逐一拆解，一个核心结论逐渐浮现：单一策略往往无法满足复杂研究的全部需求，组合使用才是进阶之道。

总结：一张决策速查表

今天围绕五大典型研究场景，逐一分析了Closed Search、Open Search和Offset Search的适用性、代表案例和注意事项，并提供了一套完整的从实验设计到数据发表的实操决策框架。三种策略并非互斥，而是互补。研究者应当学会在“广”与“精”之间灵活切换，最终从数据中挖掘出最有生物学价值的信息。

参考文献